Jia Anya von SenseTime: Für die Umsetzung von Unternehmens-AI sind geschäftliche Ziele und Branchenverständnis wichtiger als das Modell selbst | WISE2025 Business King Conference
Die Geschäftswelt im Jahr 2025 steht am Scheideweg zwischen Altem und Neuem. In einer Zeit, in der die geschäftliche Erzählung neu gestaltet wird und die Welle der Technologie über alles hinwegrollt, verfolgt die WISE2025 Business King Conference das Thema „Hier ist die Landschaft besonders schön“ und versucht, in der Unsicherheit die sichere Zukunft des chinesischen Geschäftslebens zu bestimmen. Hier dokumentieren wir den Anfang dieses Gedankenschmausess und erfassen die Stimmen derer, die auch in diesen veränderlichen Zeiten unerschütterlich vorwärts gehen.
Am 27. und 28. November fand die von 36Kr veranstaltete WISE2025 Business King Conference, die als „jährlicher Leitfaden für Technologie und Geschäft“ gilt, im Conduction Space im 798 Kunstviertel in Peking statt.
Dieses Jahr ist die WISE nicht mehr eine herkömmliche Branchenkonferenz, sondern ein immersives Erlebnis in Form einer „Technologie-Sensation-Serie“. Vom Neudefinieren der Hardwaregrenzen durch KI bis zum Öffnen der Türen zur realen Welt durch Embodied AI; von der Globalisierung von Marken in der Auslandsausdehnungswelle bis zum Anbringen von „Künstlichen Gliedmaßen“ in traditionellen Branchen – wir rekonstruieren nicht nur die Trends, sondern extrahieren auch die Erkenntnisse, die aus unzähligen geschäftlichen Praktiken gewonnen wurden.
In den folgenden Abschnitten werden wir die wahre Logik hinter diesen „Sensation-Serien“ Schritt für Schritt aufschlüsseln und die „besondere Schönheit“ des Geschäftslebens im Jahr 2025 entdecken.
Jia Anya von SenseTime. Fotografie: 36kr
Von der „Intelligenzerosion“ im Jahr 2023 bis zur beschleunigten Umsetzung im Jahr 2025 durchläuft die Anwendungsweise der KI tiefgreifende Veränderungen.
Jia Anya von SenseTime sagte in ihrer Rede, dass die staatlichen Politikmaßnahmen derzeit die Strategie „Künstliche Intelligenz +“ stark fördern. Gleichzeitig haben nur sehr wenige Unternehmen in der Realität den Wert der KI tatsächlich umgesetzt.
Nach ihrer Meinung liegt der Schlüsselpunkt für die Umsetzung von KI in Unternehmen in zwei Dimensionen der Veränderung: Erstens die Umstellung von der traditionellen IT-Abteilung als Führungsinstanz hin zu einem von der Geschäftsebene angetriebenen Anwendungsmodell, sodass die tatsächlichen Anwender an der Frontlinie die Entscheider bei der Einführung von Technologie werden; Zweitens eine präzise Strategie bei der Auswahl von Anwendungsfällen – Vermeidung von Bereichen wie Finanzen, die eine sehr geringe Fehlertoleranz haben, und Konzentration auf Geschäftsprozesse wie Supply Chain, Personalwesen und Betrieb, die eine gewisse Fehlertoleranz haben und signifikanten Mehrwert generieren können.
Mit der Reife der Multimodal-Technologie und der Kostensenkung durch die Kombination von Hardware und Software wird die KI sich von einem reinen Produktivitätstool zu einer systematischen Lösung entwickeln, die tief in die Unternehmensdatenprozesse integriert werden kann. Bei diesem Übergang brauchen Unternehmen nicht mehr ein isoliertes Modell, sondern eine umfassende Lösung, die von Anfang bis Ende reale Geschäftsprobleme lösen kann.
Im Folgenden finden Sie die Stenografie der Rede von Jia Anya von SenseTime, bearbeitet von 36Kr:
Jia Anya: Vielen Dank für die Einladung von der Veranstalterseite. Ich bin Jia Anya von SenseTime und verantwortliche hauptsächlich für verschiedene KI-native Produkte im Bereich der Produktivität.
Vor meiner eigentlichen Rede möchte ich Ihnen kurz einige Erfahrungen von dieser Woche teilen. Nachdem Nano Banana und Gemini3 letzte Woche veröffentlicht wurden, habe ich die aufregenden Veränderungen erlebt, die eine neue Welle der KI-Technologie mit sich bringt.
Ich habe viele neue Funktionen ausprobiert, darunter die Verwendung von NotebookLM zur Generierung von Präsentationen auf Basis von Nano Banana. Ich habe auch auf Xiaohongshu gesehen, wie viele Benutzer es für die Entwicklung von Spielen und anderen Anwendungen nutzen.
Ich habe viele Replikationsversuche durchgeführt, und es war wirklich sehr interessant. Ich habe auch tief in Erscheinung treten, wie die technologische Entwicklung die Möglichkeiten für persönliche Anwendungen erweitert hat. Sie hat tatsächlich die Schwelle für die Nutzung und Gestaltung von Anwendungen erheblich gesenkt.
Ich habe viele Leute sagen hören, dass die zukünftigen Barrieren möglicherweise nicht technische Barrieren, sondern Kreativitätsbarrieren sein werden. Letztes Jahr hatte ich noch viele Zweifel an dieser Aussage, schließlich ist die Softwareentwicklung ein Bereich mit hoher Schwelle.
Aber jetzt, wenn ich tatsächlich sehe, wie KI für die Entwicklung von Frontend-Anwendungen, Spielen und Mini-Programmen eingesetzt wird, stelle ich fest, dass es tatsächlich viel Zeit sparen kann, einschließlich der Lernphase für Frontend-Sprachen. Ich empfehle Ihnen daher, es auszuprobieren, auch mit vielen ausgezeichneten chinesischen Modellen. Unsere eigenen Modelle haben auch viele ähnliche Anwendungsfälle.
Heute möchte ich mich hauptsächlich auf die Anwendung von KI in chinesischen Unternehmen konzentrieren. Im Vergleich zu persönlichen Begleit- und Kreativitätsanwendungen ist die Unternehmensanwendung ein ernsthafteres und strengeres Thema.
Politisch gesehen ist es eine gute Nachricht, dass der Staat viele ausgezeichnete Politiken eingeführt hat. Man kann die „Künstliche Intelligenz +“-Politik sehen, die vorsieht, dass bis 2027 die Abdeckung von intelligenten Endgeräten und Agenten über 70 % liegen soll. Die Wichtigkeit dieser Politik kann man mit der „Internet +“-Politik vor zehn Jahren vergleichen, die die Massenverbreitung des Internets in China vorangetrieben und großen wirtschaftlichen und gesellschaftlichen Wert geschaffen hat. Die starke Unterstützung des Staates kann die Umsetzung und Anwendung von KI in Unternehmen von oben nach unten vorantreiben.
Wir haben auch beobachtet, dass sich das Anwendungsmodell in vielen Aspekten verändert hat. Seit der Entstehung des Big Model-Konzepts Ende 2022 und Anfang 2023 hat sich das Anwendungsmodell von Big Modellen in den letzten zwei Jahren erheblich verändert.
Im Jahr 2023 haben viele Leute noch an der Vorhersage, Inkrementellen Training und Feinabstimmung von Modellen gearbeitet. Anfang dieses Jahres hat man über das verstärkte Lernen gesprochen, später über Agenten und jetzt über Multi-Agenten. Wir sehen, dass die KI-Umsetzung immer weniger Rechenleistung verbraucht, aber immer stärker mit den Anwendungsfällen und dem tatsächlichen Umsetzungswert verknüpft ist.
Natürlich, obwohl sich der allgemeine Trend verändert, haben wir auch einige Herausforderungen und Schwierigkeiten bei der Umsetzung beobachtet. Dies ist der Bericht von MIT, der im Juli veröffentlicht wurde und die Umsetzung von Big Modellen in einer großen Anzahl von amerikanischen Unternehmen untersucht hat. Es wurde festgestellt, dass nur 5 % der Unternehmen, die Big Modelle umgesetzt haben, schließlich in ihrer Finanzberichterstattung einen tatsächlichen Wert gesehen haben.
Natürlich finde ich diesen 5%-igen Standard relativ streng, denn es ist tatsächlich nicht einfach, einen konkret quantifizierbaren Wert in der Finanzberichterstattung zu sehen. Die tatsächliche effektive Anwendung sollte höher liegen.
Aber es zeigt auch, dass die Umsetzung von Big Modellen in Unternehmen immer noch viele Herausforderungen mit sich bringt, wie die schnelle technologische Entwicklung, die dazu führen kann, dass die Implementierungsfähigkeit möglicherweise nach drei Monaten überholt ist und neu implementiert werden muss, sowie die Frage, wie diese Technologien mit den Unternehmensdaten und -prozessen verbunden werden können.
Aber es gibt auch einige Entdeckungen, die uns KI-Fachleuten ziemlich glücklich machen. Beispielsweise ist die Erfolgsquote bei der internen Umsetzung von KI in Unternehmen weniger als ein Drittel im Vergleich zur Umsetzung, die von externen Partnern unterstützt wird.
Wir haben auch beobachtet, dass die Erfolgsquote bei der von oben nach unten durchgeführten Umsetzung in Unternehmen nicht besonders hoch ist, aber viele Mitarbeiter haben bereits eigenständig verschiedene KI-Tools eingesetzt. Die tatsächliche Anwendung von KI-Tools in Unternehmen ist also höher als die im Bericht gezeigten Daten.
Rechts ist der Bericht von Gartner, der im September veröffentlicht wurde und hauptsächlich eine Analyse von Agenten vornimmt. Einige seiner Ansichten sind recht interessant.
Das Konzept von Agenten ist dieses Jahr sehr populär, aber in Wirklichkeit sind viele sogenannte Agenten keine echten Agenten, sondern eher Low-Code, RPA oder einfach Big Modelle, die auf der Geschäftsebene einfach verpackt wurden und dann als Agenten bezeichnet werden.
Nach unserer Meinung ist das Konzept von Agenten nicht so wichtig. Wichtig ist, wie man die Unternehmensanforderungen, verschiedene Technologien und Anwendungen kombiniert, um den Unternehmenszielen zu erreichen.
Nach diesen Umfragen sehen wir einerseits, dass es in Unternehmen noch ein riesiges ungedecktes Bedürfnis gibt, und andererseits, dass die Effizienz auf der Angebotsseite bei der Erfüllung der Unternehmensanforderungen noch nicht ausreichend ist. Dies bringt in den nächsten Jahren enorme Geschäftsmöglichkeiten für die Umsetzung von KI in Unternehmen.
In den letzten zwei Jahren haben wir auch mit vielen Unternehmen gemeinsam erforscht. Wir sind sehr froh darüber, dass wir 2023 hauptsächlich mit Spitzenunternehmen zusammengearbeitet haben, um Lösungen umzusetzen. Jetzt, nachdem wir standardisierte Produkte und Lösungen entwickelt haben, nutzen auch mehr kleine und mittlere Unternehmen, Schulen, Krankenhäuser und andere Institutionen unsere allgemeinen Lösungen.
Aufgrund unserer Beobachtungen haben wir einige wichtige Entdeckungen gemacht. Erstens besteht ein großer Unterschied im Paradigma zwischen der Umsetzung von KI-Anwendungen und der traditionellen Digitalisierung.
Die traditionelle Digitalisierung wurde in den meisten Fällen von den Unternehmens-CTOs und IT-Abteilungen geleitet und nach Fertigstellung an die Geschäftseinheiten übergeben. Aber jetzt sehen wir, dass die tatsächliche Umsetzung von KI-Anwendungen, die für Unternehmen einen messbaren Wert haben, tatsächlich von der Geschäftsebene angetrieben wird. Die Geschäftsebene nutzt zuerst unsere Tools, und wenn sie gut befunden werden, werden sie dann über die Unternehmensleitung eingeführt. Dieser Ansatz schließt die Lücke zwischen der IT-Abteilung und der Geschäftsebene bei der Erfassung der Anforderungen und der Umsetzung gut.
Die zweite wichtige Beobachtung ist die Wichtigkeit der Auswahl von Anwendungsfällen.
Wir haben mit einem führenden Finanzinstitut zusammengearbeitet, das den Finanzbereich als ersten Anwendungsfall wünschte. Wir haben ein herausragendes Produkt namens Office Raccoon, das hauptsächlich Funktionen wie KI-gestützte Datenanalyse, Dokumentenintelligenz und Präsentationsgenerierung bietet.
Damals habe ich dem Kunden empfohlen, den Finanzbereich nicht als ersten Anwendungsfall auszuwählen. Warum? Der Grund ist, dass der Finanzbereich eine extrem hohe Anforderung an die Datenpräzision hat und die Daten auch sehr komplex sind.
Nach unseren Erfahrungen haben die besten Anwendungsfälle für die Umsetzung von KI in Unternehmen zwei Merkmale: Erstens eine gewisse Fehlertoleranz und zweitens ein hoher Mehrwert für die Benutzer. Finanzmitarbeiter haben selbst eine starke Fähigkeit zur Datenverarbeitung, und die Berichte dürfen keine Fehler enthalten. Die KI kann derzeit jedoch nicht 100 % Genauigkeit garantieren, daher ist dies nicht der beste Anwendungsfall.
Im Gegensatz dazu haben Bereiche wie Supply Chain, Einkauf und Verkauf, Personalwesen und Betrieb in Unternehmen zwar eine große Menge an Daten, aber es fehlt an ausreichenden Datenwissenschaftlern zur Geschäftsanalyse. Dies sind daher ideale Anwendungsfälle für die Umsetzung von KI in Unternehmen, bei denen man sofort die Mehrwerteffekte sehen kann.
Nach der erfolgreichen Umsetzung in solchen guten Anwendungsfällen kann man die weitere Expansion der KI-Infrastruktur in Unternehmen schneller vorantreiben.
Ein weiterer wichtiger Aspekt ist, dass die Umsetzung von KI in Unternehmen nicht einfach die Anschaffung eines oder zweier Produkte ist, sondern ein systematischer Prozess, insbesondere für große Unternehmen, der von mehreren Ebenen aus einen tiefgreifenden Wert für das Unternehmen schaffen muss.
Wir können den Wert der KI in Unternehmen einfach in drei Kategorien einteilen: Erstens der persönliche Wert, der relativ klar ist und hauptsächlich die Steigerung der persönlichen Produktivität betrifft, sei es beim Schreiben von Texten, Code oder bei der Datenanalyse. Aber innerhalb eines Unternehmens hängt die Gesamtbetriebseffizienz nicht nur von der persönlichen Effizienz ab, sondern auch von der Effizienz der Unternehmensleitung und der Zusammenarbeit zwischen und innerhalb der Teams.
Wir hoffen daher, dass die KI langfristig nicht nur die persönliche Produktivität steigert, sondern auch die Kommunikationseffizienz zwischen Teams verbessert und die Zusammenarbeit erleichtert, um die Effizienz auf der Gesamtleitungsebene zu erhöhen. Natürlich muss dies mit der Entwicklung der KI noch überprüft werden, insbesondere die Steigerung der Unternehmensleitungseffizienz.
Dies entspricht auch der von Sam Altman (CEO von OpenAI) erwähnten Theorie der fünfstufigen Evolution der KI. Wenn man in die vierte und fünfte Stufe gelangt, wird es eine echte Unternehmensintelligenz geben.
Wir können beobachten, dass je näher man sich persönlichen Anwendungen nähert, desto eher gibt es relativ standardisierte Produkte und Lösungen. Bei der Unternehmensleitungsebene ist es jedoch eher individuell und erfordert eine maßgeschneiderte Lösung für die Branche und das einzelne Unternehmen.
Im ersten Halbjahr dieses Jahres war die Offen-Quell-Modell-Community in China sehr aktiv, und viele Unternehmen begannen, Offen-Quell-Modelle selbst zu implementieren. Aber alle stießen auf ein Problem: Sie kauften NVIDIA-Chips oder chinesische Chips und implementierten verschiedene Big Modelle, aber warum konnten sie sie nicht nutzen? Denn für Unternehmen braucht es eine Lösung, die von Anfang bis Ende Geschäftsprobleme lösen kann, nicht nur ein reines Modell.
Genauer betrachtet müssen Unternehmen Big Modelle mit Unternehmensdaten, -prozessen und -geschäftsabläufen verbinden. Das Modell selbst kann ein Sprachmodell, ein Multimodal-Modell, ein Text-zu-Bild-Modell, ein Text-zu-Video-Modell oder andere Optionen sein. Aber das Verständnis der Unternehmensziele und der Branche ist der wichtigere Teil bei der Umsetzung in Unternehmen.
Technologisch gesehen wird uns immer deutlicher, wie wichtig die Multimodalität ist. SenseTime nutzt bei der Modelltrainingsphase mehr multimodale kooperative Trainingsmethoden und führt in der Phase des verstärkten Lernens notwendige Fähigkeiten wie Sandbox und Planung für Agenten ein, um die Genauigkeit des Modells bei der Lösung von Unternehmensgeschäftsproblemen zu verbessern. Dies ist sehr wichtig.
Warum ist die Umsetzung von KI in Unternehmen strenger als in persönlichen Anwendungen? Weil Personen nicht so stark auf die Genauigkeit achten, während die KI in Unternehmen direkt mit den Unternehmensergebnissen verbunden ist und daher eine sehr hohe Genauigkeitsanforderung hat.
Wir können beobachten, dass die Unternehmensdaten sehr vielfältig sind, einschließlich Texten, Bildern, Datenbanken, verschiedenen strukturierten und unstrukturierten Daten. Bei der Unternehmensanwendung muss man überlegen, wie man die Multimodalität des Modells nutzen kann, um komplexe Eingaben zu verarbeiten, eine integrierte Analyse durchzuführen und die Ergebnisse auszugeben.
Lasst uns uns genauer Office Raccoon ansehen. Wir bieten für Unternehmen und private Benutzer KI-native Lösungen für Datenanalyse, Textverarbeitung und Präsentationsgenerierung. Die KI hat die Produktivitätstools erheblich verändert.